Мередит Бруссард - Искусственный интеллект [Пределы возможного] [litres]
- Название:Искусственный интеллект [Пределы возможного] [litres]
- Автор:
- Жанр:
- Издательство:Литагент Альпина
- Год:2020
- Город:Москва
- ISBN:978-5-0013-9230-9
- Рейтинг:
- Избранное:Добавить в избранное
-
Отзывы:
-
Ваша оценка:
Мередит Бруссард - Искусственный интеллект [Пределы возможного] [litres] краткое содержание
Всеобщий энтузиазм по поводу применения компьютерных технологий, по ее убеждению, уже привел к огромному количеству недоработанных решений в области проектирования цифровых систем. Выступая против техношовинизма и социальных иллюзий о спасительной роли технологий, Бруссард отправляется в путешествие по компьютерному миру: рискуя жизнью, садится за руль экспериментального автомобиля с автопилотом; задействует искусственный интеллект, чтобы выяснить, почему студенты не могут сдать стандартизованные тесты; использует машинное обучение, подсчитывая вероятность выживания пассажиров «Титаника»; как дата-журналист создает программу для поиска махинаций при финансировании кандидатов в президенты США.
Только понимая пределы компьютерных технологий, утверждает Бруссард, мы сможем распорядиться ими так, чтобы сделать мир лучше.
Искусственный интеллект [Пределы возможного] [litres] - читать онлайн бесплатно ознакомительный отрывок
Интервал:
Закладка:
Принятие социальных решений связано не только с вычислениями, и проблемы будут возникать всегда, когда мы будем использовать только данные там, где нужно обращаться к общественным и ценностным суждениям. Действительно, путешествие 1-м классом на «Титанике» могло повысить шанс на выживание, но неразумно на основе этого развивать модель, согласно которой пассажиры 1-го класса заслуживают получить шанс на выживание в крушении больше тех, кто путешествует 2-м или 3-м классом. На основе этой модели не стоит строить какие-либо предположения. Наша прогностическая модель могла бы пригодиться для того, чтобы объяснить, почему для пассажиров 1-го класса можно было предложить более дешевую страховку, но это абсурд: нельзя наказывать тех, кто недостаточно богат, чтобы путешествовать 1-м классом. Но важнее всего то, что мы должны понимать, что есть вещи, которые машины никогда не смогут понять о людях, поэтому будут всегда востребованы человеческие: суждение, подтверждение и интерпретация.
8
Эта машина сама не поедет
Массивы неоправданно эффективных данных хорошо работают применительно к электронному поиску, простому переводу и навигации. И при достаточном объеме обучающих данных алгоритмы действительно могут неплохо справляться с разными повседневными задачами, в то время как человеческая смекалка помогает заполнить «пробелы» ИИ. Благодаря поисковикам мы научились использовать как сложные комплексные запросы, так и конкретные термины (или их синонимы), что позволяет нам при помощи строки поиска находить определенные веб-страницы. Машинный перевод между языками сегодня развит лучше, чем когда-либо. Он, конечно, не так хорош, как человеческий, однако человеческий мозг превосходно справляется с интерпретациями значений и искаженных сентенций. Обычного пользователя вполне удовлетворяет высокопарный, неуклюжий машинный перевод веб-страниц. Системы GPS, помогающие добраться из пункта А в пункт Б, невероятно удобны. Если спросить любого профессионального таксиста или водителя-попутчика, они скажут, что GPS не предлагают наилучший путь в аэропорт, но способны довести вас в нужное место и проинформировать о загруженности на дорогах.
И все же у массивов неоправданно эффективных данных есть ряд недостатков, из-за которых я скептически отношусь к замене человека ИИ в потенциально опасных случаях вроде вождения. Беспилотные автомобили наилучшим образом показывают, как ИИ (не) состоятелен в данном случае.
Когда я впервые прокатилась в беспилотнике в 2007 г., я думала, что умру. Либо меня стошнит. Или и то и другое. Так что, когда в 2016 г. до меня дошли слухи, что скоро на рынке появятся автономные машины и что Tesla создала программу под названием Autopilot, а Uber тестирует самоуправляемые такси в Питтсбурге, я подумала: «А что же изменилось? Неужели авантюрным разработчикам, с которыми я познакомилась в 2007 г., удалось каким-то образом внедрить систему этического принятия решений в двухтонную “машину-убийцу”»?
В итоге оказалось, что перемен произошло даже меньше, чем я ожидала. История о соревновании по созданию автопилотируемой машины – это история о фундаментальных ограничениях вычислительной техники. Оглядываясь назад и наблюдая за тем, что сработало и что не сработало в первую декаду бытования беспилотных транспортных средств, мы сталкиваемся с предостерегающей историей о том, как техношовинизм может привести к буквально магическому мышлению в случаях, когда технология способна стать угрозой здоровью членов общества.
Моя первая поездка случилась на тестовом треке для беспилотных машин: по-воскресному пустой стоянке завода Boeing в Южной Филадельфии. Ben Franklin Racing Team, команда инженеров из Университета Пенсильвании, в то время разрабатывала автономный автомобиль для участия в соревновании. Я встретила членов команды в кампусе на рассвете в воскресенье и последовала за ними по шоссе, чтобы попробовать прокатиться на автопилотируемой машине.
Им приходилось экспериментировать тогда, когда на улицах никого не было. Вообще-то, их автомобиль, кастомная Toyota Prius, по закону не допускался к эксплуатации. Существует ряд правил, которым должен соответствовать автомобиль, например у него должно быть рулевое колесо. Короче, они могли тестировать беспилотник на парковке или на территории университета, но вот поездка от гаража в Западной Филадельфии по шоссе 1–95 до тренировочной площадки в Саус-Билли была достаточно рискованной. Вероятнее всего, их бы остановили полицейские, патрулирующие шоссе. Университетские юристы как раз работали над получением разрешения на уровне штата на то, чтобы беспилотные автомобили могли сами собой управлять. До тех пор команде приходилось тренироваться в «нечеловеческое» время и надеяться на лучшее.
Я остановилась на стоянке позади беспилотника, которого они назвали «Малыш Бен». В салоне сидели разработчики: студент инженерной механики Талли Фут за рулем, на заднем сиденье были аспирант электронной и системной инженерии Пол Верназа и докторант электротехнического проектирования Алекс Стюарт. Рядом с водителем, одетый в черно-желтую куртку команды, находился Хитин Чокси, сотрудник Lockheed Martin и недавний выпускник кафедры теории вычислительных систем Дрексельского университета. Как только машина неспешно подкатилась, Фут вышел, открыл багажник и стал рыться и наводить порядок в проводах, свисающих над задним сиденьем и с потолка. Напичканная всевозможными сенсорами и с непонятными устройствами на крыше, машина выглядела так, будто участвовала в съемках постапокалиптического фильма. Студенты вырезали часть пластиковой консоли, прикрывающей приборную доску. Оттуда торчал моток проводов, тянущихся к внушительному ноутбуку. Пол багажника был частично покрыт плексигласом, а на рулевой колонке виднелись провода и коробочки. Фут ввел команду через сенсорный монитор, установленный в бардачке, и вскоре перед нами предстал вид парковки – прямо со спутника. Все три пассажира оставались пристегнутыми в машине, сгорбившись над ноутбуками. Испытание началось.
В рамках соревнований Grand Challenge 2007 года «Малышу Бену» предстояло самостоятельно проехать по пустому «городу», построенному на месте бывшей военной базы. Никакого удаленного управления и запрограммированных путей следования по городу: только 85 беспилотных автомобилей, кружащих по улицам. Спонсор, Управление перспективных исследований Министерства обороны (DARPA), обещал $2 млн команде, разработавшей автомобиль, который дойдет до финиша первым, $1 млн и $500 000 тем, кто займет второе и третье место.
Технологии робомобилей помогают водителям с 2007 г. Тогда, например, Lexus выпустила машину, способную выполнять параллельную парковку – при определенных условиях. «Сегодня во всех машинах есть такие функции, как адаптивный круиз-контроль или парковочный ассистент. Вождение становится все более автоматизированным, – пояснил Дэн Ли, доцент инженерно-технического проектирования и советник команды. – Однако для полной автоматизации процесса необходимо, чтобы автомобиль был в курсе всего происходящего вокруг. Вот это по-настоящему сложные проблемы робототехники: компьютерное зрение, научить компьютер “слышать” звуки, понимать, что происходит вокруг, – отличное место для проверки всего этого».
Читать дальшеИнтервал:
Закладка: